一种基于云模型的配电网故障风险识别方法技术

本发明专利技术涉及一种基于云模型的配电网故障风险识别方法。本发明专利技术为解决目前造成配电网故障停电的众多风险因素识别与关键风险源的提取，不同的停电风险因素对配电网故障停电的影响，建立实现各风险因素到风险评估结果之间的映射。本发明专利技术采用的技术方法是，利用云模型在处理不确定性方面上的优势，从故障风险评估指标中挖掘出有用价值的信息。将指标体系的综合评价结果作为配电网故障停电风险严重度的体现，再利用云模型的期望值、熵、超熵，实现定性和定量之间的转换。在故障风险指标数据不完备时，正确地实现故障风险评估。本发明专利技术实现了配电网故障的风险源识别，为相关部门采取控制措施、降低及预防风险提供理论依据，具有显著的经济效益和社会效益。

【技术实现步骤摘要】
一种基于云模型的配电网故障风险识别方法
本专利技术涉及一种电力系统的风险评估方法，尤其涉及配电网的故障风险评估，属于风险评估和配电自动化

技术介绍
随着智能电网的发展和用户对供电质量和供电可靠性要求的提高，建立完善的电力系统应急管理系统越来越重要。配电网直接面向用户，是确保供电质量的重要环节，相对于输电网而言，配电网保护、控制装置的配置相对简单，极易遭受各种因素导致的故障。因此，研究一种可靠的配电网故障风险识别方法势在必行。配电网故障风险识别是根据配电网发生故障的类型预测发生故障的风险。传统的配电网故障风险识别方法较少，而在风险评估的严重性判别中，很多时候都是依赖于专家经验，受专家主观影响较大，很容易出现偏差，导致风险评估结果准确性不高，没有意义，参见文献马培玉（MaPeiyu).配电网运行风险识别与防范研究(TheResearchontheOperationalRiskIdentificationandPreventionofDistributionSystems).华北电力大学,保定（NorthChinaElectricPowerUniversity，Baoding），2011。为了准确判别配电网故障风险的严重性，获得有价值的风险评估结果，向工作人员发出正确的预警信息，以便及时采取措施，避免或减少停电损失，在现有配电网故障风险评估方法基础上，设计了一种基于云模型的配电网故障风险识别方法。
技术实现思路
本专利技术的目的是为了避免或减少由于配电网故障引起的停电损失，提出了一种基于云模型的配电网故障风险识别方法。该方法根据配电网历史实际故障风险情况，将各种风险出现造成的停电损失用风险评价指标进行表示，利用云模型对该指标集进行综合评价，得到综合评价值，即风险评估严重度。再结合历史统计故障概率，就可得到配电网故障风险识别模型。利用该模型，根据在线检测的各种故障风险实时状态，在线预测配电网各风险源的风险等级，工作人员根据风险等级，采取必要措施，避免或减少停电损失。本专利技术采用的故障风险评估方法包括下列步骤：1）建立出能够反应系统故障后果的评价指标集；将评价指标集内的指标做为云模型中的基云，利用云理论中的综合云对各指标基云综合评价，获得指标体系的综合评价结果；2）建立评价集；该评价集用来与最终产生的指标集进行比较，以便确定风险评估结果的严重程度；3）综合考虑各风险的故障概率，得到配电网故障风险识别模型；4）将获取的各故障风险的统计数据输入到配电网故障风险识别模型中，得到当前配电网故障风险源的风险程度。在本专利技术一实施例中，所述的评价指标集U={U1,U2,U3,U4,U5,U6}；其中，U1表示设备故障风险影响用户停电时间，U2表示设备故障风险影响用户数，U3表示用户平均停电时间，U4表示供电可靠率，U5表示停电缺供电量，U6表示用户停电损失。在本专利技术一实施例中，所述步骤1）中给定所述基云：首先求出各个指标的样本均值和方差其中，h表示统计期间内的故障次数；其次，各基云的期望值Ex、熵En和超熵He，定义：由此得各指标的基云模型Uk=SC(Exk,Enk,Hek)，其中k=1,2,…,6。在本专利技术一实施例中，所述步骤1）中给定综合评价结果的云模型U=SC(Ex,En,He)，U的基云模型为Uk=SC(Exk，Enk，Hek)：其中，Wk(k=1,2,…,6)表示各评价指标的权重。在本专利技术一实施例中，所述步骤2）中评价集V={V1,V2,V3,V4,V5}，Vl(l=1,2,3,4,5)为对风险值大小的模糊描述，定义：V=（低，较低，中，较高，高）(4)评价集都是模糊概念，采用一维正态云进行描述，对存在双边约束的评语[λmin,λmax]，定义：其中，λmin、λmax可根据评价对象数字特征进行赋值；z为常数，能根据评语本身的模糊程度具体调整；对于只有单边约束λmin或λmax的评语，能先确定其缺省边界参数或缺省期望值，然后再参照公式计算该评语的数字特征值，用半升半降云描述；评价集的基础云模型，定义：在本专利技术一实施例中，所述步骤3）中配电网故障风险识别模型R=P×C，定义：其中,m表示配电网故障的风险源，n表示故障类型，Pij表示第j种故障类型由于第i种风险源引发的故障概率；定义：其中，Cj表示第j种故障类型的严重性后果，即第j种故障类型的风险评价结果云模型Uj=SC(Exj,Enj,Hej)；定义：...

【技术保护点】
一种基于云模型的配电网故障风险识别方法，其特征是：1）建立出能够反应系统故障后果的评价指标集；将评价指标集内的指标做为云模型中的基云，利用云理论中的综合云对各指标基云综合评价，获得指标体系的综合评价结果； 2）建立评价集；该评价集用来与最终产生的指标集进行比较，以便确定风险评估结果的严重程度； 3）综合考虑各风险的故障概率，得到配电网故障风险识别模型； 4）将获取的各故障风险的统计数据输入到配电网故障风险识别模型中，得到当前配电网故障风险源的风险程度。

【技术特征摘要】
1.一种基于云模型的配电网故障风险识别方法，其特征是：1)建立出能够反应系统故障后果的评价指标集；将评价指标集内的指标做为云模型中的基云，利用云理论中的综合云对各指标基云综合评价，获得指标体系的综合评价结果；2)建立评价集；该评价集用来与最终产生的指标集进行比较，以便确定风险评估结果的严重程度；3)综合考虑各风险的故障概率，得到配电网故障风险识别模型；4)将获取的各故障风险的统计数据输入到配电网故障风险识别模型中，得到当前配电网故障风险源的风险程度；所述的评价指标集U＝{U1,U2,U3,U4,U5,U6}；其中，U1表示设备故障风险影响用户停电时间，U2表示设备故障风险影响用户数，U3表示用户平均停电时间，U4表示供电可靠率，U5表示停电缺供电量，U6表示用户停电损失；所述步骤1)中给定所述基云：首先求出各个指标的样本均值和方差其中，h表示统计期间内的故障次数；其次，各基云的期望值Ex、熵En和超熵He，定义：由此得各指标的基云模型Uk＝SC(Exk,Enk,Hek)，其中k＝1,2,…,6；所述步骤1)中给定综合评价结果的云模型U＝SC(Ex,En,He)，U的基云模型为Uk＝SC(Exk,Enk,Hek)：其中，Wk(k＝1,2,…,6)表示各评价指标的权重；所述步骤2)中评价集V＝{V1,V2,V3,V4,V5}，Vl(l＝1,2,3,4,5)为对风险值大小的模...

【专利技术属性】
技术研发人员：李天友，陈彬，张功林，陈敏维，黄建业，李育凤，赵会茹，
申请(专利权)人：国家电网公司，国网福建省电力有限公司，国网福建省电力有限公司电力科学研究院，华北电力大学，
类型：发明
国别省市：北京;11